يُستخدم التعلم العميق بشكل شائع لإعادة بناء الصور عالية الديناميكية (HDR) من الصور منخفضة الديناميكية (LDR). تُستخدم طرق مكدسة LDR لإعادة بناء صورة HDR من صورة واحدة، حيث يتم إنشاء صورة HDR من مكدس LDR الذي تم توليدُه بواسطة التعلم العميق. ومع ذلك، فإن الطرق الحالية تولد المكدس باستخدام قيم تعرض محددة مسبقًا (EVs)، مما قد يحد من جودة إعادة بناء HDR. لحل هذه المشكلة، نقترح تمثيل قيمة التعرض المستمر (CEVR)، والذي يستخدم دالة ضمنية لتوليد صور LDR بقيم تعرض عشوائية، بما في ذلك تلك التي لم يتم رؤيتها أثناء التدريب. ينتج نهجنا مكدسًا مستمرًا يحتوي على المزيد من الصور ذات القيم المتعددة للتعرض، مما يحسن بشكل كبير عملية إعادة بناء HDR. نستخدم استراتيجية تدريب دوريّة لإشراف النموذج على توليد صور LDR بقيم تعرض مستمرة دون وجود حقائق أرضية متناظرة. أثبتت النتائج التجريبية أن نموذج CEVR الخاص بنا يتفوق على الطرق الموجودة حاليًا.